TUGAS BESAR TUTORIAL OPERATIONAL RESEARCH I

PEMECAHAN MASALAH PROGRAMA LINEAR

MENGGUNAKAN SOFTWARE LINGO
STUDI KASUS: MODEL OPTIMASI PENENTUAN KOMBINASI
PRODUK MENGGUNAKAN METODE LINEAR PROGRAMMING
PADA PERUSAHAAN BIDANG FASHION

OLEH
HANNA MONICA S
1710931017

ASISTEN PEMBIMBING
AHMAD SYUHADA

LABORATORIUM PERENCANAAN DAN OPTIMASI SISTEM INDUSTRI

JURUSAN TEKNIK INDUSTRI
FAKULTAS TEKNIK
UNIVERSITAS ANDALAS
2019
 STUDI KASUS: MODEL OPTIMASI PENENTUAN KOMBINASI PRODUK
MENGGUNAKAN METODE LINEAR PROGRAMMING PADA
PERUSAHAAN BIDANG FASHION

1. Permasalahan Studi Kasus

PT Astakarya Busanaprima merupakan perusahaan yang bergerak di bidang

industri fashion dan memproduksi pakaian jadi perempuan. PT Astakarya Busanaprima
memiliki input (sumber daya) yang terbatas, sehingga memicu terjadinya fluktuasi
tingkat permintaan pada jumlah penjualan (Gambar 1.1). Mengatasi hal tersebut
diperlukan pengalokasian sumber (resources) yang tepat dan tata kelola sistem
manajemen yang baik. Sehingga PT Astakarya Busanaprima dapat menentukan target
produksi dalam memenuhi jumlah permintaan yang ada di pasar. Dengan demikian, PT
Astakarya Busanaprima tidak akan mengalami over-production ataupun over-capacity.
Apabila jumlah produksi lebih besar dari jumlah permintaan yang ada, maka akan
terjadi pengembalian barang (retur) dari store. Barang tersebut akan disimpan kembali
ke gudang, sehingga akan memicu meningkatnya biaya simpan jika barang disimpan
dalam jangka waktu yang lama.

Gambar 1 Grafik Jumlah Penjualan (2011-1013)

(Sumber: PT Astakarya Busanaprima)
Tabel 1 Data Historis Kapasitas Output dan Input Januari 2011 hingga November 2013
Satuan Jacket Dress Blouse Kebaya Kaftan Skirt Pants Shawl Kapasitas
Waktu Sekon 14 23 21.5 14 21.5 8 8 16 24960
Kain jenis I Meter 0 5 3 2.5 3 2.7 1.5 2.25 2500
Kain jenis II Meter 1.75 0 0 0 0 0 0 0 250
Benang Gulung 3 3 3 3 3 3 3 3 1200
Benang border Gulung 2 3 1 1 1 0.5 0.5 1 400
Lapisan dalam Meter 1.5 2.5 2.5 0 2.5 1 1.5 0 575
Kain keras Meter 2.5 0 0 0 0 1 1 0 150
Manik-manik Buah 90 90 90 100 100 40 40 120 35000
Restleting Meter 0 1 0 0 0 1 1 1 150
Kancing Buah 7 27 7 7 9 1 1 0 3000
Jacket Buah 1 0 0 0 0 0 0 0 17
Dress Buah 0 1 0 0 0 0 0 0 247
Blouse Buah 0 0 1 0 0 0 0 0 78
Kebaya Buah 0 0 0 1 0 0 0 0 42
Kaftan Buah 0 0 0 0 1 0 0 0 12
Skirt Buah 0 0 0 0 0 1 0 0 15
Pants Buah 0 0 0 0 0 0 1 0 17
Shawl Buah 0 0 0 0 0 0 0 1 4
Biaya Rupiah (Rp) 4000000 4400000 3250000 3300000 3600000 1575000 1575000 3500000

Berdasarkan latar belakang tersebut, formulasi masalah dalam penelitian ini

adalah pertama, berapa banyak pendapatan optimal yang dapat diperoleh PT Astakarya
Busanaprima pada periode Maret 2014. Kedua, bagaimana kombinasi produk yang
efektif dan efisien yang harus diproduksi oleh PT Astakarya Busanaprima pada periode
Maret 2014. Ketiga, apakah penggunaan seluruh sumber daya sudah optimal atau
belum. Adapun penyelesaian masalah dilakukan dengan menggunakan software lingo
18.0.

2. Perhitungan dan Pengolahan Data

Adapun bagian perhitungan dan pengolahan data, dibagi menjadi dua yaitu
pemodelan programa linear dan pengolahan data dengan menggunakan software lingo
18.0.

2.1 Pemodelan Programa Linear

Pemodelan programa linear dalam menyelesaikan persoalan penelitian ini

terdiri dari fungsi tujuan, fungsi kendala dan fungsi pembatas. Dalam optimasi ini yang
menjadi variabel keputusan adalah sebagai berikut:
Variabel Keputusan:
1. Jumlah Jacket = x1
2. Jumlah Dress = x2
3. Jumlah Blouse = x3
4. Jumlah Kebaya = x4
5. Jumlah Kaftan = x5
6. Jumlah Skirt = x6
7. Jumlah Pants = x7
8. Jumlah Shawl = x8

Fungsi Tujuan:
Maksimisasi Z = 4.000.000x1 + 4.400.000x2 + 3.250.000x3 + 3.300.000x4 +
3.600.000x5 + 1.575.000x6 + 1.575.000x7 + 3.500.000x8

Fungsi Kendala:
1. Waktu (sekon) = 14x1 + 23x2 + 21,5x3 + 14x4 + 21,5x5 + 8x6 + 8x7 +
16x8 < 24.960
2. Kain jenis I (meter) = 5x2 + 3x3 + 2,5x4 + 3x5 + 2,75x6 + 1,5x7 + 2,25x8
< 2.500
3. Kain jenis II (meter) = 1,75x1 < 250
4. Benang (gulung) = 3x1 + 3x2 + 3x3 + 3x4 + 3x5 + 3x6 + 3x7 + 3x8
< 1.200
5. Benang border (gulung) = 2x1 + 3x2 + x3 + x4 + x5 + 0,5x6 + 0,5x7 + x8
< 400
6. Lapisan dalam (meter) = 1,5x1 + 2,5x2 + 2,5x3 + 2,5x5 + x6 + 1,5x7 < 575
7. Kain keras (meter) = 2,5x1 + x6 + x7 < 150
8. Manik-manik (buah) = 90x1 + 90x2 + 90x3 + 100x4 + 100x5 + 40x6 + 40x7
+ 120x8 < 35.000
9. Retsleting (meter) = x2 + x6 + x7 + x8 < 150
10. Kancing (buah) = 7x1 + 27x2 + 7x3 + 7x4 + 9x5 + x6 + x7 < 3.000
11. Jacket (unit) = x1 < 17
12. Dress (unit) = x2 < 247
13. Blouse (unit) = x3 < 78
14. Kebaya (unit) = x4 < 42
15. Kaftan (unit) = x5 < 12
16. Skirt (unit) = x6 < 15
17. Pants (unit) = x7 < 17
18. Shawl (unit) = x8 < 4

2.2 Pengolahan Data dengan Menggunakan Lingo 18.0

Adapun bagian pengolahan data dengan menggunakan lingo 18.0, dibagi

menjadi dua bagian yaitu langkah-langkah pengolahan menggunkan lingo 18.0 dan
hasil pengolahan data.

2.2.1 Langkah-Langkah Pengolahan Mengunakan Lingo 18.0

Dalam pengolahan data menggunakan software lingo 18.0, dilakukan langkah-

langkah sebagai berikut:
1. Buka software lingo 18.0 pada laptop anda.

Gambar 2 Software Lingo 18.0

2. Kemudian akan muncul tampilan awal pada lingo 18.0. Setelah itu, ketik fungsi
tujuan max atau min ( jika ingin memaksimumkan nilai fungsi tujuan atau jika
ingin meminimumkan nilai fungsi tujuan). Kemudian ketik tanda sama dengan
(=). Selanjutnya, masukkan nilai dan variabel dari fungsi tujuan. Ingat untuk
mengunakan tanda bintang (*) sebagai tanda kali antara konstanta dan variabel,
kemudian diakhiri tanda titik koma (;).
 Gambar 3 Fungsi Tujuan pada Tampilan Software Lingo 18.0

3. Selanjutnya ketik fungsi kendala. Awali dengan kombinasi linear antara

variabel. Gunakan tanda bintang (*) sebagai tanda kali antara konstanta dan
variabel. Ketik tipe kendala yang diinginkan ( ,  , ) dan diikuti dengan
nilai di sebelah kanan. Ingat untuk tidak memasukkan variabel keputusan > 0,
karena secara otomatis sudah ada pada lingo 18.0.

Gambar 4 Fungsi Kendala pada Tampilan Software Lingo 18.0

4. Setelah itu, ketik end.

 Gambar 5 Tampilan Keseluruhan Formulasi pada Software Lingo 18.0

5. Kemudian pilih ikon solve, maka software lingo 18.0 akan menerjemahkan
model programa linear yang telah dibuat.

Gambar 6 Ikon Solve pada Software Lingo 18.0

6. Setelah itu, output pengolahan data tersebut akan keluar. Kemudian dilakukan
analisa mengenai output tersebut.

Gambar 7 Output Pengolahan Data pada Software Lingo 18.0

Adapun bagian langkah-langkah pengerjaan analisis sensitivitas dapat dilihat di

bawah ini;
1. Setelah batasan masalah dan fungsi tujuan selesai diketik, maka lakukan
analisisis sensitivitas dengan cara pilih menu solve dan klik menu option atau
dengan cara tekan tombol ctrl+I.

Gambar 8 Pemilihan Menu Solve dan Option

2. Akan muncul tampilan menu option. Selanjutnya, pilih menu general solver
dan pilih dual computations yang prices & range, klik ok.

Gambar 9 Menu general solver dan dual computations (prices & range)

3. Langkah selanjutnya yaitu pilih menu range atau tekan ctrl+R.

 Gambar 10 Pemilihan Menu Range

4. Setelah langkah di atas selesai, maka akan muncul tampilan analisis sensitivitas

Gambar 11 Tampilan Analisis sensitivitas

2.2.2 Hasil Pengolahan Data

Penelitian ini menggunakan data historis, yaitu jumlah penjualan periode

Januari 2011 hingga November 2013 pada Tabel 1. Data historis dari masing-masing
produk tersebut digunakan untuk memperoleh seberapa banyak produk yang harus
diproduksi pada periode Maret 2014. Berikut hasil pengolahan data yang diperoleh
dengan menggunakan software lingo 18.0:
Tabel 2 Nilai Variabel dan Reduce Cost pada Lingo 18.0
Variabel Value Reduce cost
X1 17 0
X2 70.40741 0
X3 78 0
X4 42 0
X5 12 0
X6 15 0
X7 17 0
X8 4 0

Tabel 3 Nilai Slack or Surplus dan Dual Price pada Lingo 18.0
Row Slack or Surplus Dual Price
1 877492600 0
2 5299.63 0
3 1697.213 0
4 220.25 0
5 433.7778 0
6 2.777778 0
7 107.9815 0
8 75.5 0
9 12953.33 0
10 43.59259 0
11 0 162963
12 0 2859259
13 176.5926 0
14 0 2109259
15 0 2109259
16 0 2133333
17 0 1412037
18 0 1412037
19 0 3500000
 Hasil pengolahan data menggunakan software lingo 18.0 menunjukkan bahwa
solusi dalam memberikan kombinasi produk yang tepat yang seharusnya diproduksi
PT Astakarya Busanaprima pada periode Maret 2014 adalah 17 unit jacket, 70,4074
unit dress, 78 unit blouse, 42 unit kebaya, 12 unit kaftan, 15 unit skirt, 17 unit pants,
dan 4 unit shawl dengan pendapatan maksimum sebesar Rp877.492.600,00.
Berdasarkan hasil pengolahan data tersebut, diperoleh pendapatan PT Astakarya
Busanaprima sebagai berikut:

Tabel 4 Pendapatan PT Astakarya Busanaprima

Jumlah Pendapatan
Produk Harga (Rp)
(unit) (Rp)
Jacket 17 4000000 68000000
Dress 70 4400000 308000000
Blouse 78 3250000 253500000
Kebaya 42 3300000 138600000
Kaftan 12 3600000 43200000
Skirt 15 1575000 23625000
Pants 17 1575000 26775000
Shawl 4 3500000 14000000
Ʃ 25200000 875700000.00

3. Analisis

Adapun bagian dari analisis, terbagi menjadi dua bagian yaitu analisis hasil
perhitungan dan analisi sensitivitas.
3.1 Analisis Hasil Perhitungan

Berdasarkan hasil perhitungan di atas didapat bahwa jumlah pada produksi

dress bukan merupakan angka bulat. Perbedaan dalam pembulatan angka dapat
mempengaruhi jumlah pendapatan yang akan diperoleh, walaupun dengan selisih yang
tidak terlalu jauh. Jumlah produksi dress diperoleh sebesar 70,4074 unit yang dianggap
akan dijual adalah 70 unit. Sisanya 0,4074 masih dalam tahap pengerjaan (work-in-
process) yang belum selesai pada periode Maret 2014, sehingga pada periode Maret
2014 sebaiknya PT Astakarya Busanaprima memproduksi 17 unit jacket, 70 unit dress,
78 unit blouse, 42 unit kebaya, 12 unit kaftan, skirt 15 unit, pants 17 unit, shawl 4 unit
dan pendapatan sebesar Rp875.700.000,00. Sehingga diperoleh selisih pendapatan
sebelum dan sesudah pembulatan sebesar Rp1.792.600.

Selain itu, tidak terdapat nilai pada reduced cost. Artinya tidak ada pengurangan
nilai objective function, hal ini dikarenakan jika fungsi tujuan merupakan maksimisasi,
maka reduced cost merupakan nilai pengurangan objective function value setiap
adanya pengurangan satu satuan pada variabel. Ini dapat terjadi jika pemecahan
masalah linear programming ini tidak mampu memenuhi nilai variabel yang telah
ditetapkan.

Tabel 5 Penggunaan Akhir Sumber Daya PT Astakarya Busanaprima

 Pembatas Diperoleh Maksimal Slack or Surplu s
Waktu 4700.3702 24960 20259.6298
Kain jenis I 802.787 2500 1697.213
Kain jenis II 29.75 250 220.25
Benang 766.2222 1200 433.7778
Benang border 397.2222 400 2.7778
Lapisan dalam 467.0185 575 107.9815
Kain keras 74.5 150 75.5
Manik-manik 22046.666 35000 12953.334
Retsleting 106.4074 150 43.5926
Kancing 3000 3000 0
Jacket 17 17 0
Dress 70.4074 247 176.5926
Blouse 78 78 0
Kebaya 42 42 0
Kaftan 12 12 0
Skirt 15 15 0
Pants 17 17 0
Shawl 4 4 0

Berdasarkan Tabel 5 diperoleh bahwa dalam output ranging, masih terdapat

slack atau surplus pada waktu kerja, kain jenis I, kain jenis II, benang, benang bordir,
lapisan dalam, kain keras, manik-manik, retsleting dan permintaan dress. Hal ini
menggambarkan bahwa masih ada sisa dalam pemakaian input (sumber daya) yang
disediakan untuk proses produksi. Selain itu, untuk input (sumber daya) kancing dan
permintaan jacket, blouse, kebaya, kaftan, skirt, pants, serta shawl telah digunakan
secara optimal karena value slack (surplus) sebesar 0. Dengan demikian, agar
pendapatan PT Astakarya Busanaprima menjadi lebih optimal, maka dilakukan
pemberdayaan tenaga kerja sehingga pemakaian waktu kerja, bahan baku dan bahan
pendukung lainnya dapat dimanfaatkan secara maksimal. Selain itu, hasil produksi
akan lebih efektif dan efisien. Apabila tingkat produktivitas tinggi dan pengalokasian
input (sumber daya) baik, maka PT Astakarya Busanaprima mampu untuk
memproduksi dress lebih banyak lagi, sehingga dapat menjawab setiap permintaan
yang ada.
 Hasil perhitungan pada bagian dual price memperlihatkan bahwa untuk input
(sumber daya) kancing dan permintaan jacket, blouse, kebaya, kaftan, skirt, pants, serta
shawl yang memiliki nilai. Hal ini dikarenakan pada value slack (surplus) yang didapat
bernilai 0. Artinya semua batasan telah digunakan, sehingga jika ingin menambah satu
satuan pada batasan, maka software lingo 18.0 akan mengeksekusi nilai tersebut dan
akan mempengaruhi nilai objective function value. Misal pada batasan kancing yaitu x
>= 3000, kemudian nilai value yang keluar x = 3000 maka diperoleh value slack
(surplus) bernilai 0. Apabila kita mengganti x >= 3001 kemungkinan besar nilai value
yang keluar juga x = 3001. Hal ini dikarenakan batasan tersebut merupakan batasan
terdekat dan tidak dipengaruhi oleh batasan yang lain, sehingga software lingo 18.0
akan mengambil secara maksimalnya. Kebalikannya, jika slack (surplus) memiliki
nilai tertentu, maka biasanya dual price akan bernilai 0. Hal ini dikarenakan software
lingo 18.0 tidak mengambil penuh batasan tersebut, sehingga perubahan satu satuan
tidak akan mempengaruhi objective function value.

3.2 Analisis Sensitivitas

Analisis sensitivitas dilakukan untuk mengetahui dampak dari adanya

perubahan parameter-parameter produksi terhadap kinerja sistem, guna memperoleh
profit yang optimal. Adapun data analisis sensitivitas yang didapat dari data di atas
dibagi menjadi Objective Coefficient Ranges dan Righthand Side Ranges Ranges.
3.2.1 Analisis Sensitivitas Objective Coefficient Ranges

Analisis sensitivitas pada Objective Coefficient Ranges memperlihatkan bahwa

jika terdapat perubahan koefisien di salah satu variabel fungsi tujuan dengan kisaran
yang disarankan, maka nilai optimum dari variabel keputusan tidak akan mengalami
perubahan. Analisis sensitivitas pada Objective Coefficient Ranges dapat dilihat pada
Gambar 12 berikut:
 Gambar 12 Data Perhitungan Objective Coefficient Ranges

Berdasarkan Gambar 12 diperoleh bahwa jacket (x1), blouse (x3), kebaya (x4),
kaftan (x5), skirt (x6), pants (x7), shawl (x8) memiliki nilai kenaikan koefisien tujuan
(allowable increase) sebesar infinity (tak terhingga). Hal ini menunjukkan bahwa
seberapa besar kenaikan nilai tiap variabel tujuan, maka akan tetap berada pada
variabel x yang sama dengan keuntungan yang meningkat. Sedangkan untuk penurunan
koefisien tujuan (allowable decrease) hasil yang diperoleh tidak infinity, melainkan
memiliki nilai yang berbeda-beda di setiap variabelnya. Penurunan koefisien
keuntungan (allowable decrease) menunjukkan bahwa batas dari penurunan nilai tiap
variabel tujuan harus berada pada interval batas bawah yang telah ditetapkan di
allowable decrease [( konstanta tujuan - allowable decrease ) < x < (konstanta +
allowable increase)]. Apabila melewati batas maka output variabel x akan berubah dan
terjadi penurunan keuntungan. Penyebab dari adanya nilai tidak infinity pada allowable
increase yaitu pada saat proses produksi, output yang dihasilkan masih memiliki sisa
atau tidak terpakai secara optimal. Sementara itu, untuk yang memiliki nilai infinity
berarti output yang dihasilkan sudah optimal sesuai dengan RHS yang ditetapkan
sehingga tidak ada yang terbuang atau tidak diproduksi. Hal ini dapat dilihat dari hasil
slack or surplus Tabel 5 di atas. Aplikasi dari penjelasan di atas dapat dilihat dari uji
penggantian koefisien variabel tujuan dibawah ini.

3.2.1.1 Uji Batas Bawah dan Batas Atas pada Objective Coefficient Ranges

Pengujian dilakukan dengan mengambil nilai x1(jacket) pada fungsi tujuan.

Berikut gambar dan tabel pengujian terhadap nilai x1 (jacket):
 Gambar Nilai X1 yang Diubah pada Fungsi Tujuan

Tabel 6 Uji Nilai X1 pada Fungsi Tujuan

Batas Bawah Batas Atas
Jenis Konstanta Tujuan Nilai Uji (BB) Nilai Uji (BA)
( konstanta tujuan - allowable decrease ) ( konstanta tujuan + allowable increase )
Rp1140741
Jacket Rp4000000 Rp1140741 Rp6000000 infinity
Rp1140740

Berdasarkan Tabel 6 diperoleh hasil analisis sensitivitas yang menunjukkan

bahwa variabel x1 memiliki batas bawah sebesar infinity (tak terhingga). Artinya jika
nilai kostantan x1 awalnya Rp4000000 diubah menjadi Rp6000000 maka keuntungan
akan naik dari keuntungan semula. Namun, solusi optimalnya tetap berada pada x1 =
17, x2 = 70, x3 = 78, x4 = 42, x5 = 12, x6 = 15, x7 = 17 unit, x8 = 4 unit

Gambar 13 Hasil Uji Batas Atas pada Objective Coefficient Ranges 1

Sebaliknya batas bawah dari Tabel 6 menunjukkan bahwa variabel x1 memiliki

(allowable decrease) sebesar Rp2859259. Artinya jika nilai kostantan x1 awalnya
Rp4000000 maka dapat ditolerir penurunnya sebesar Rp2859259 menjadi Rp1140741,
dimana keuntungan akan turun dari kuntungan semula. Namun, solusi optimalnya tetap
berada pada x1 = 17, x2 = 70, x3 = 78, x4 = 42, x5 = 12, x6 = 15, x7 = 17 unit, x8 = 4
unit.
 Gambar 14 Hasil Uji Batas Bawah pada Objective Coefficient Ranges 1

Sementara itu, apabila penurunnya menjadi Rp1140740 maka diperoleh solusi

dengan jumlah variabel x yang berbeda dari sebelumnya yaitu nilai x1 = 0, x2 = 74, x3
= 78, x4 = 42, x5 = 12, x6 = 15, x7 = 17 unit, x8 = 4 unit yang apabila penurunnya
menjadi Rp1140740 dapat dilihat pada Gambar 15 di bawah.

Gambar 15 Hasil Uji Batas Bawah pada Objective Coefficient Ranges 2

3.2.2 Analisis Sensitivitas Objective Coefficient Ranges

Analisis sensitivitas pada Righthand Side Ranges memperlihatkan bahwa jika

terdapat perubahan RHS dari fungsi kendala dengan kisaran yang disarankan, maka
nilai optimum dari dual price dan reduced cost tidak akan mengalami perubahan.
Analisis sensitivitas pada Objective Coefficient Ranges dapat dilihat pada Gambar 16
berikut:
 Gambar 16 Data Perhitungan Righthand Side Ranges

Berdasarkan Gambar 16 diperoleh bahwa yang memiliki nilai kenaikan

koefisien batasan (allowable increase) sebesar infinity, berada pada batasan waktu (row
2), kain jenis I (row 3), kain jenis II (row 4), benang (row 5), benang border (row 6),
lapisan dalam (row 7), kain keras (row 8), manik-manik (row 9), retsleting (row 10),
dan dress (row 13). Sedangkan, batasan untuk kancing (row 11), jacket (row 12),
blouse (row 14), kebaya (row 15), kaftan (row 16), skirt (row 17), pants (row 18) dan
shawl (row 19) memiliki nilai yang tidak infinity. Sedangkan nilai untuk penurunan
koefisien batasan (allowable decrease) pada semua batasan tidak bernilai infinity. Nilai
Infinity memiliki makna bila kapasitas input dinaikkan atau diturunkan, tetap saja tidak
akan mempengaruhi keuntungan yang diperoleh, hal ini dikarenakan input (sumber
daya) yang dimasukkan tidak habis sepenuhnya sehingga jika ingin menambah input
(sumber daya) tidak akan mempengaruhi produksi optimalnya. Sementara itu, bagi
allowable increase dan allowable decrease yang memiliki nilai tidak infinity,
bermakna bahwa kenaikan dan penurunan tiap kapasitas input (RHS) akan
mempengaruhi keuntungan sebesar dual price. Maka dari itu, jika ingin mengurangi
RHS semula harus sebanyak batasan minimun yang telah ditetapkan sehingga
keuntungan yang diperoleh tetap optimal. Aplikasi dari penjelasan di atas dapat dilihat
dari uji penggantian koefisien RHS pada batasan dibawah ini.
3.2.2.1 Uji Batas Bawah dan Batas Atas pada Righthand Side Ranges

Pengujian dilakukan dengan mengambil nilai RHS (row 11) pada fungsi tujuan.
Berikut gambar dan tabel pengujian terhadap nilai RHS (row 11):

Gambar Nilai RHS Row 11 yang Diubah pada Fungsi Batasan

Tabel 7 Uji Nilai RHS Row 11 terhadap Fungsi Batasan

Batas Bawah Batas Atas
Jenis Konstanta RHS Nilai Uji (BB) Nilai Uji (BA)
( konstanta RHS - allowable decrease ) ( konstanta RHS + allowable increase )
Kancing 3000 unit 2970 unit 2975 unit 4905 unit 4901 unit

Uji coba penggantian batasan RHS pada Tabel 7 di atas, dilakukan pada row
11 yaitu jumlah unit kancing. Nilai RHS kancing sebesar 3000 unit, dinaikkan menjadi
4905 unit (melewati batas atas) maka diperoleh hasil keuntungan yang meningkat dari
sebelumnya. Selain itu, terdapat perubahan di setiap konstanta fungsi tujuan, slack or
surplus,
dan diturunkan 20259.63 sekon menjadi sebesar 4700.37 sekon (Current RHS -
Allowable decrease) maka diperoleh keuntungan yang tidak akan berubah Gambar 19.
Apabila diturunkan melewati batas Allowable decrease maka keuntungan akan
berkurang sebesar nilai dual price-nya.

Gambar 18 Data Analisis Sensitivitas Righthand Side Ranges 1

Uji coba penggantian batasan RHS pada gambar di atas, dilakukan pada batasan
1 yaitu waktu. RHS waktu bernilai sebesar 24960 sekon, dinaikkan sembarang sebesar
30000 sekon menjadi 60000 sekon (Current RHS + Allowable Increase) dan
diturunkan 20259.63 sekon menjadi sebesar 4700.37 sekon (Current RHS - Allowable
decrease) maka diperoleh keuntungan yang tidak akan berubah Gambar 19. Apabila
diturunkan melewati batas Allowable decrease maka keuntungan akan berkurang
sebesar nilai dual price-nya.
 Gambar 19 Data Analisis Sensitivitas Righthand Side Ranges 2

4. Kesimpulan

Berdasarkan hasil perhitungan di atas, diperoleh kesimpulan yaitu pendapatan

optimal yang dapat diperoleh PT Astakarya Busanaprima pada periode Maret 2014
adalah sebesar Rp877.492.560,00. Pendapatan ini diperoleh dengan melakukan
kombinasi produk yang tepat yaitu kombinasi 17 unit jacket, 70,4074 unit dress, 78
unit blouse, 42 unit kebaya, 12 unit kaftan, 15 unit skirt, 17 unit pants, dan 4 unit shawl.
Namun, masih ada produk yang tidak sesuai dengan batasan input (sumber daya
maupun kapasitas produk) yaitu produksi dress, sehingga menimbulkan adanya sisa
produksi. Dengan demikian, agar pendapatan PT Astakarya Busanaprima menjadi
lebih optimal, maka dilakukan pemberdayaan tenaga kerja sehingga pemakaian waktu
kerja, bahan baku dan bahan pendukung lainnya dapat dimanfaatkan secara maksimal.
Selain itu, hasil produksi akan lebih efektif dan efisien. Apabila tingkat produktivitas
tinggi dan pengalokasian input (sumber daya) baik, maka PT Astakarya Busanaprima
mampu untuk memproduksi dress lebih banyak lagi, sehingga dapat menjawab setiap
permintaan yang ada.